方差分解分析结果解读：变量贡献度的量化评估.docxVIP

方差分解结果解读

方差分解（VarianceDecomposition）是时间序列分析中基于向量自回归（VAR）模型的一种重要分析工具，用于量化各变量对系统内某一变量预测误差方差的贡献程度。其基本思想是将VAR模型中某个内生变量的预测均方误差（MSE）分解为由系统中各变量冲击所解释的部分，从而揭示不同变量对该变量波动的相对重要性。方差分解由Sims于1980年提出，与脉冲响应函数互为补充，共同构成VAR模型动态分析的核心内容。

方差分解的分析结果通常以百分比的形式呈现，某变量的方差分解值越大，说明该变量对目标变量波动的解释能力越强，即该变量的冲击对目标变量的变化贡献越大。方差分解方法广泛应用于宏观经济分析、金融市场研究和政策评估等领域，帮助研究者识别影响特定经济变量的主要驱动因素。本研究借助SPSSAU软件进行方差分解分析，考察各指标变量对系统总变异的贡献程度。

在SPSSAU【计量经济研究】模块选择【方差分解】，将变量拖拽至右侧对应分析框，操作如下图：

一、方差分解结果

表1报告了方差分解的分析结果。系统总方差（Var值）为1.123，各变量的协方差、方差分解值及其占总方差的比例如下。

x2的方差分解值最高，为0.373，占总方差的37.257%，表明x2是系统总变异中贡献最大的变量。x2的协方差为0.419，在三个变量中也是最高的，说明x2与系统总体之间的协动关系最为密切。这